一種面部數(shù)據(jù)測(cè)量方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種面部數(shù)據(jù)測(cè)量方法，包括以下步驟：將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成N組面部特征點(diǎn)組的空間坐標(biāo)，且N為正整數(shù)；計(jì)算所述N組面部特征點(diǎn)組的空間坐標(biāo)的算術(shù)平均值；輸出計(jì)算后的所述面部特征點(diǎn)組的空間坐標(biāo)。本發(fā)明還提供了對(duì)應(yīng)的系統(tǒng)。本發(fā)明通過(guò)將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成多組面部特征點(diǎn)組的空間坐標(biāo)，實(shí)現(xiàn)自動(dòng)測(cè)量面部數(shù)據(jù)，并且測(cè)量的面部數(shù)據(jù)的準(zhǔn)確性高。同時(shí)，通過(guò)攝像頭獲取面部圖像后即可測(cè)量面部數(shù)據(jù)，成本低，且容易普及。
【專利說(shuō)明】
一種面部數(shù)據(jù)測(cè)量方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及信息處理技術(shù)領(lǐng)域，更具體地說(shuō)，涉及一種面部數(shù)據(jù)測(cè)量方法及系統(tǒng)。 【背景技術(shù)】
[0002]面部識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物特征識(shí)別技術(shù)，廣泛應(yīng)用于社區(qū)安防、網(wǎng)絡(luò)視頻監(jiān)控、出入境管理檢測(cè)、員工考勤以及家庭娛樂(lè)等方面，如何在含有人臉的圖像或視頻流中快速準(zhǔn)確地測(cè)量面部數(shù)據(jù)是面部識(shí)別技術(shù)中的重要方面。
[0003]目前，傳統(tǒng)的人頭數(shù)據(jù)(即面部數(shù)據(jù))測(cè)量方案大致上分為以下兩種:第一種是通過(guò)尺規(guī)直接測(cè)量頭部數(shù)據(jù)，第二種是通過(guò)深度傳感器獲取人頭的三維模型，進(jìn)而間接測(cè)量人頭模型的數(shù)據(jù)。其中，第一種測(cè)量方案可度量數(shù)據(jù)少，并且專業(yè)性強(qiáng)，需要專業(yè)人員來(lái)操作，操作過(guò)程復(fù)雜，測(cè)量過(guò)程耗時(shí)長(zhǎng);第二種測(cè)量方案可度量數(shù)據(jù)多，且精度高，可實(shí)現(xiàn)全自動(dòng)測(cè)量，但是測(cè)量耗時(shí)長(zhǎng)，并且硬件成本高，難以普及，廣泛應(yīng)用。
【發(fā)明內(nèi)容】
[0004]本發(fā)明要解決的技術(shù)問(wèn)題在于，針對(duì)現(xiàn)有技術(shù)中的人頭數(shù)據(jù)測(cè)量的上述缺陷，提供一種面部數(shù)據(jù)測(cè)量方法及系統(tǒng)。
[0005]本發(fā)明解決上述問(wèn)題所采用的技術(shù)方案是提供了一種面部數(shù)據(jù)測(cè)量方法，所述方法包括以下步驟:
[0006]將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成N組面部特征點(diǎn)組的空間坐標(biāo)，且N為正整數(shù)；
[0007]計(jì)算所述N組面部特征點(diǎn)組的空間坐標(biāo)的算術(shù)平均值；
[0008]輸出計(jì)算后的所述面部特征點(diǎn)組的空間坐標(biāo)。
[0009]在上述面部數(shù)據(jù)測(cè)量方法中，所述將面部圖像通過(guò)映射矩陣生成一組面部特征點(diǎn)組的空間坐標(biāo)的步驟包括:
[0010]獲取所述面部圖像；
[0011]將所述面部圖像通過(guò)SURF算法獲取所述面部圖像的面部特征點(diǎn)組；
[0012]將所述面部特征點(diǎn)組通過(guò)ASM算法進(jìn)行定位以得到所述面部特征點(diǎn)組的像素坐標(biāo)；
[0013]將所述面部特征點(diǎn)組的像素坐標(biāo)通過(guò)所述映射矩陣進(jìn)行映射得到所述面部特征點(diǎn)組的空間坐標(biāo)。
[0014]在上述面部數(shù)據(jù)測(cè)量方法中，在所述將面部圖像通過(guò)映射矩陣生成N組面部特征點(diǎn)組的空間坐標(biāo)的步驟之前，所述方法還包括:
[0015]根據(jù)獲取到的標(biāo)定圖像生成所述映射矩陣。
[0016]在上述面部數(shù)據(jù)測(cè)量方法中，所述根據(jù)獲取到的標(biāo)定圖像生成所述映射矩陣的步驟包括:
[0017]獲取所述標(biāo)定圖像，所述標(biāo)定圖像包括面部和信用卡；
[0018]根據(jù)所述面部中的外眼角像素距離和所述信用卡的信用卡像素寬度識(shí)別外眼角的實(shí)際距離；
[0019]根據(jù)外眼角的實(shí)際距離，對(duì)所述標(biāo)定圖像中的所述面部進(jìn)行線性標(biāo)定以獲取所述面部的像素坐標(biāo)與世界坐標(biāo)之間的映射矩陣。
[0020]在上述面部數(shù)據(jù)測(cè)量方法中，N大于或等于6。
[0021]本發(fā)明還提供了一種面部數(shù)據(jù)測(cè)量系統(tǒng)，所述系統(tǒng)包括:
[0022]生成模塊，用于將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成N組面部特征點(diǎn)組的空間坐標(biāo)，且N為正整數(shù)；
[0023]計(jì)算模塊，用于計(jì)算所述N組面部特征點(diǎn)組的空間坐標(biāo)的算術(shù)平均值；
[0024]輸出模塊，用于輸出計(jì)算后的所述面部特征點(diǎn)組的空間坐標(biāo)。
[0025]在上述面部數(shù)據(jù)測(cè)量系統(tǒng)中，所述生成模塊包括:
[0026]第一獲取單元，用于獲取所述面部圖像；[〇〇27]特征點(diǎn)獲取單元，用于將所述面部圖像通過(guò)SURF算法獲取所述面部圖像的面部特征點(diǎn)組；
[0028]定位單元，用于將所述面部特征點(diǎn)組通過(guò)ASM算法進(jìn)行定位以得到所述面部特征點(diǎn)組的像素坐標(biāo)；
[0029]映射單元，用于將所述面部特征點(diǎn)組的像素坐標(biāo)通過(guò)所述映射矩陣進(jìn)行映射得到所述面部特征點(diǎn)組的空間坐標(biāo)。
[0030]在上述面部數(shù)據(jù)測(cè)量系統(tǒng)中，所述系統(tǒng)還包括:
[0031]預(yù)設(shè)模塊，用于根據(jù)獲取到的標(biāo)定圖像生成所述映射矩陣。
[0032]在上述面部數(shù)據(jù)測(cè)量系統(tǒng)中，所述預(yù)設(shè)模塊包括:
[0033]第二獲取單元，用于獲取所述標(biāo)定圖像，所述標(biāo)定圖像包括面部和信用卡；
[0034]識(shí)別單元，用于根據(jù)所述面部中的外眼角像素距離和所述信用卡的信用卡像素寬度識(shí)別外眼角的實(shí)際距離；
[0035]標(biāo)定單元，用于根據(jù)外眼角的實(shí)際距離，對(duì)所述標(biāo)定圖像中的所述面部進(jìn)行線性標(biāo)定以獲取所述面部的像素坐標(biāo)與世界坐標(biāo)之間的映射矩陣。
[0036]在上述面部數(shù)據(jù)測(cè)量系統(tǒng)中，N大于或等于6。
[0037]本發(fā)明的面部數(shù)據(jù)測(cè)量方法及系統(tǒng)的有益效果有:本發(fā)明通過(guò)將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成多組面部特征點(diǎn)組的空間坐標(biāo)，實(shí)現(xiàn)自動(dòng)測(cè)量面部數(shù)據(jù)，并且測(cè)量的面部數(shù)據(jù)的準(zhǔn)確性高。同時(shí)，通過(guò)攝像頭獲取面部圖像后即可測(cè)量面部數(shù)據(jù)，成本低，且容易普及，可廣泛應(yīng)用于家庭娛樂(lè)等方面?！靖綀D說(shuō)明】[〇〇38]下面將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明，附圖中:
[0039]圖1是本發(fā)明的面部數(shù)據(jù)測(cè)量方法實(shí)施例一的流程圖；
[0040]圖2是本發(fā)明的較優(yōu)實(shí)施例的通過(guò)預(yù)設(shè)的映射矩陣生成一組面部特征點(diǎn)組的空間坐標(biāo)的流程圖；[0041 ]圖3是本發(fā)明的面部數(shù)據(jù)測(cè)量方法實(shí)施例二的流程圖；
[0042]圖4是本發(fā)明的較優(yōu)實(shí)施例的根據(jù)獲取到的標(biāo)定圖像生成預(yù)設(shè)的映射矩陣的流程圖；
[0043]圖5是本發(fā)明的面部數(shù)據(jù)測(cè)量系統(tǒng)實(shí)施例一的結(jié)構(gòu)示意圖；
[0044]圖6是圖5中的生成模塊的結(jié)構(gòu)示意圖；
[0045]圖7是本發(fā)明的面部數(shù)據(jù)測(cè)量系統(tǒng)實(shí)施例二的結(jié)構(gòu)示意圖?！揪唧w實(shí)施方式】
[0046]本發(fā)明通過(guò)將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成多組面部特征點(diǎn)組的空間坐標(biāo)， 實(shí)現(xiàn)自動(dòng)測(cè)量面部數(shù)據(jù)，并且測(cè)量的面部數(shù)據(jù)的準(zhǔn)確性高。同時(shí)，通過(guò)攝像頭獲取面部圖像后即可測(cè)量面部數(shù)據(jù)，成本低，且容易普及。
[0047]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0048]如圖1所示，是本發(fā)明的面部數(shù)據(jù)測(cè)量方法實(shí)施例一的流程圖。在本實(shí)施例中，參考圖1，該測(cè)量方法包括以下步驟:
[0049]在步驟S102中，將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成N組面部特征點(diǎn)組的空間坐標(biāo)；
[0050]在此步驟中，N為正整數(shù)。具體地，如圖2所示，通過(guò)預(yù)設(shè)的映射矩陣生成一組面部特征點(diǎn)組的空間坐標(biāo)的步驟包括:在步驟S1021中，獲取面部圖像;該面部圖像可為通過(guò)攝像頭直接拍攝的圖片文件，也為可在視頻文件中截取的圖片文件。在步驟S1022中，將該面部圖像通過(guò)SURF(Speed_up robust features，加速健壯特征)算法獲取該面部圖像的面部特征點(diǎn)組；面部特征點(diǎn)組包括8 6個(gè)特征點(diǎn)。在步驟S10 2 3中，將面部特征點(diǎn)組通過(guò)A S M (Active Shape Model，主動(dòng)形狀模型)算法進(jìn)行定位以面部特征點(diǎn)組的像素坐標(biāo)。在步驟 S1024中，將面部特征點(diǎn)組的像素坐標(biāo)通過(guò)映射矩陣進(jìn)行映射得到面部特征點(diǎn)組的空間坐標(biāo)。
[0051]在步驟S104中，計(jì)算該N組面部特征點(diǎn)組的空間坐標(biāo)的算術(shù)平均值;進(jìn)一步地，在本實(shí)施例中，N大于或等于6,通過(guò)上述的生成一組面部特征點(diǎn)組的空間坐標(biāo)的步驟，生成6 組面部特征點(diǎn)組的空間坐標(biāo)，這樣，測(cè)量的面部數(shù)據(jù)更準(zhǔn)確。[〇〇52]在步驟S106中，輸出計(jì)算后的面部特征點(diǎn)空間坐標(biāo)組。在本實(shí)施例中，通過(guò)上述步驟，自動(dòng)測(cè)量面部數(shù)據(jù)，并且測(cè)量的處理速度高，在1秒中能完成面部數(shù)據(jù)的測(cè)量。
[0053]如圖3所示，是本發(fā)明的面部數(shù)據(jù)測(cè)量方法實(shí)施例二的流程圖。在本實(shí)施例中，與實(shí)施例一種的面部數(shù)據(jù)測(cè)量方法的區(qū)別在于，在步驟S102之前還包括:在步驟S100中，根據(jù)獲取到的標(biāo)定圖像生成預(yù)設(shè)的映射矩陣，具體地，如圖4所示，包括:在步驟S1001中，獲取標(biāo)定圖像，其中，標(biāo)定圖像包括面部和信用卡;在步驟S1002中，根據(jù)面部中的外眼角像素距離和信用卡的信用卡像素寬度識(shí)別外眼角的實(shí)際距離。其中，外眼角像素距離和信用卡的信用卡像素寬度可通過(guò)圖像檢測(cè)算法來(lái)獲取，外眼角像素距離的計(jì)算公式為:外眼角的實(shí)際距離=(外眼角像素距離/信用卡像素寬度)*信用卡的實(shí)際寬度，一般標(biāo)準(zhǔn)的信用卡的實(shí)際寬度為54mm。在步驟S1003中，根據(jù)外眼角的實(shí)際距離，對(duì)標(biāo)定圖像中的面部進(jìn)行線性標(biāo)定以獲取面部的像素坐標(biāo)與世界坐標(biāo)之間的映射矩陣。[〇〇54]如圖5所示，是本發(fā)明的面部數(shù)據(jù)測(cè)量系統(tǒng)實(shí)施例一的結(jié)構(gòu)示意圖。在本實(shí)施例中，參考圖5,該測(cè)量系統(tǒng)100包括生成模塊102、計(jì)算模塊104和輸出模塊106。
[0055]其中，生成模塊102用于將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成N組面部特征點(diǎn)組的空間坐標(biāo)。其中，N為正整數(shù)。具體地，如圖6所示，生成模塊102包括第一獲取單元1021、特征點(diǎn)獲取單元1022、定位單元1023和映射單元1024,其中，第一獲取單元1021用于獲取面部圖像;該面部圖像可為通過(guò)攝像頭直接拍攝的圖片文件，也為可在視頻文件中截取的圖片文件。特征點(diǎn)獲取單元1022用于將該面部圖像通過(guò)SURF算法獲取該面部圖像的面部特征點(diǎn)組;面部特征點(diǎn)組包括86個(gè)特征點(diǎn)。定位單元1023用于將面部特征點(diǎn)組通過(guò)ASM算法進(jìn)行定位以面部特征點(diǎn)組的像素坐標(biāo)。映射單元用于將面部特征點(diǎn)組的像素坐標(biāo)通過(guò)映射矩陣進(jìn)行映射得到面部特征點(diǎn)組的空間坐標(biāo)。
[0056]計(jì)算模塊104用于計(jì)算該N組面部特征點(diǎn)組的空間坐標(biāo)的算術(shù)平均值;進(jìn)一步地， 在本實(shí)施例中，N大于或等于6,通過(guò)生成模塊102生成6組面部特征點(diǎn)組的空間坐標(biāo)，這樣， 測(cè)量的面部數(shù)據(jù)更準(zhǔn)確。[〇〇57]輸出模塊106用于輸出計(jì)算后的面部特征點(diǎn)空間坐標(biāo)組。在本實(shí)施例中，通過(guò)上述步驟，自動(dòng)測(cè)量面部數(shù)據(jù)，并且測(cè)量的處理速度高，在1秒中能完成面部數(shù)據(jù)的測(cè)量。
[0058]如圖7所示，是本發(fā)明的面部數(shù)據(jù)測(cè)量系統(tǒng)實(shí)施例二的流程圖。在本實(shí)施例中，與實(shí)施例一種的面部數(shù)據(jù)測(cè)量系統(tǒng)的區(qū)別在于，該測(cè)量系統(tǒng)100還包括預(yù)設(shè)模塊101，該預(yù)設(shè)模塊101用于在根據(jù)獲取到的標(biāo)定圖像生成預(yù)設(shè)的映射矩陣，具體地，該預(yù)設(shè)模塊101包括第二獲取單元1011、識(shí)別單元1012和標(biāo)定單元1013,其中，第二獲取單元1011用于獲取標(biāo)定圖像，其中，標(biāo)定圖像包括面部和信用卡;識(shí)別單元1012用于根據(jù)面部中的外眼角像素距離和信用卡的信用卡像素寬度識(shí)別外眼角的實(shí)際距離。其中，外眼角像素距離和信用卡的信用卡像素寬度可通過(guò)圖像檢測(cè)算法來(lái)獲取，外眼角像素距離的計(jì)算公式為:外眼角的實(shí)際距離=(外眼角像素距離/信用卡像素寬度)*信用卡的實(shí)際寬度，一般標(biāo)準(zhǔn)的信用卡的實(shí)際寬度為54mm。標(biāo)定單元1013用于根據(jù)外眼角的實(shí)際距離，對(duì)標(biāo)定圖像中的面部進(jìn)行線性標(biāo)定以獲取面部的像素坐標(biāo)與世界坐標(biāo)之間的映射矩陣。
[0059]以上所述，僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【主權(quán)項(xiàng)】
1.一種面部數(shù)據(jù)測(cè)量方法，其特征在于，所述方法包括以下步驟:將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成N組面部特征點(diǎn)組的空間坐標(biāo)，且N為正整數(shù)；計(jì)算所述N組面部特征點(diǎn)組的空間坐標(biāo)的算術(shù)平均值；輸出計(jì)算后的所述面部特征點(diǎn)組的空間坐標(biāo)。2.根據(jù)權(quán)利要求1中所述的面部數(shù)據(jù)測(cè)量方法，其特征在于，所述將面部圖像通過(guò)映射 矩陣生成一組面部特征點(diǎn)組的空間坐標(biāo)的步驟包括:獲取所述面部圖像；將所述面部圖像通過(guò)SURF算法獲取所述面部圖像的面部特征點(diǎn)組；將所述面部特征點(diǎn)組通過(guò)ASM算法進(jìn)行定位以得到所述面部特征點(diǎn)組的像素坐標(biāo)； 將所述面部特征點(diǎn)組的像素坐標(biāo)通過(guò)所述映射矩陣進(jìn)行映射得到所述面部特征點(diǎn)組 的空間坐標(biāo)。3.根據(jù)權(quán)利要求1中所述的面部數(shù)據(jù)測(cè)量方法，其特征在于，在所述將面部圖像通過(guò)映 射矩陣生成N組面部特征點(diǎn)組的空間坐標(biāo)的步驟之前，所述方法還包括:根據(jù)獲取到的標(biāo)定圖像生成所述映射矩陣。4.根據(jù)權(quán)利要求3中所述的面部數(shù)據(jù)測(cè)量方法，其特征在于，所述根據(jù)獲取到的標(biāo)定圖 像生成所述映射矩陣的步驟包括:獲取所述標(biāo)定圖像，所述標(biāo)定圖像包括面部和信用卡；根據(jù)所述面部中的外眼角像素距離和所述信用卡的信用卡像素寬度識(shí)別外眼角的實(shí) 際距離；根據(jù)外眼角的實(shí)際距離，對(duì)所述標(biāo)定圖像中的所述面部進(jìn)行線性標(biāo)定以獲取所述面部 的像素坐標(biāo)與世界坐標(biāo)之間的映射矩陣。5.根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的面部數(shù)據(jù)測(cè)量方法，其特征在于，N大于或等于6。6.—種面部數(shù)據(jù)測(cè)量系統(tǒng)，其特征在于，所述系統(tǒng)包括:生成模塊，用于將面部圖像通過(guò)預(yù)設(shè)的映射矩陣生成N組面部特征點(diǎn)組的空間坐標(biāo)，且 N為正整數(shù)；計(jì)算模塊，用于計(jì)算所述N組面部特征點(diǎn)組的空間坐標(biāo)的算術(shù)平均值；輸出模塊，用于輸出計(jì)算后的所述面部特征點(diǎn)組的空間坐標(biāo)。7.根據(jù)權(quán)利要求6中所述的面部數(shù)據(jù)測(cè)量系統(tǒng)，其特征在于，所述生成模塊包括:第一獲取單元，用于獲取所述面部圖像；特征點(diǎn)獲取單元，用于將所述面部圖像通過(guò)SURF算法獲取所述面部圖像的面部特征點(diǎn) 組；定位單元，用于將所述面部特征點(diǎn)組通過(guò)ASM算法進(jìn)行定位以得到所述面部特征點(diǎn)組 的像素坐標(biāo)；映射單元，用于將所述面部特征點(diǎn)組的像素坐標(biāo)通過(guò)所述映射矩陣進(jìn)行映射得到所述 面部特征點(diǎn)組的空間坐標(biāo)。8.根據(jù)權(quán)利要求6中所述的面部數(shù)據(jù)測(cè)量系統(tǒng)，其特征在于，所述系統(tǒng)還包括:預(yù)設(shè)模塊，用于根據(jù)獲取到的標(biāo)定圖像生成所述映射矩陣。9.根據(jù)權(quán)利要求8中所述的面部數(shù)據(jù)測(cè)量系統(tǒng)，其特征在于，所述預(yù)設(shè)模塊包括:第二獲取單元，用于獲取所述標(biāo)定圖像，所述標(biāo)定圖像包括面部和信用卡；識(shí)別單元，用于根據(jù)所述面部中的外眼角像素距離和所述信用卡的信用卡像素寬度識(shí) 別外眼角的實(shí)際距離；標(biāo)定單元，用于根據(jù)外眼角的實(shí)際距離，對(duì)所述標(biāo)定圖像中的所述面部進(jìn)行線性標(biāo)定 以獲取所述面部的像素坐標(biāo)與世界坐標(biāo)之間的映射矩陣。10.根據(jù)權(quán)利要求6-9中任一項(xiàng)所述的面部數(shù)據(jù)測(cè)量系統(tǒng)，其特征在于，N大于或等于6。
【文檔編號(hào)】G06K9/00GK106022281SQ201610365422
【公開(kāi)日】2016年10月12日
【申請(qǐng)日】2016年5月27日
【發(fā)明人】譚軍
【申請(qǐng)人】廣州帕克西軟件開(kāi)發(fā)有限公司